人工智能的基础定义在当今的背景中经历了显著的演变。早期，人工智能被定义为机器能够完成人类认为机器不可能完成的事情，这种定义直观但缺乏一致性，易受时代、背景和判断者经验的影响。

因为技术的发展，人工智能的定义逐渐变得更加严谨和具体。1946年，电子计算机ENIAC的诞生为人工智能的诞生奠定了物质基础。英国计算机科学家艾伦·图灵提出的图灵机概念进一步为人工智能的发展奠定了理论基础。图灵认为，人工智能应模仿人类的思考方式，使计算机能够智能地思考问题。

20世纪中叶至21世纪初，人工智能的发展经历了从早期的规则基础系统到现代深度学习的演变。深蓝以暴力穷举为基础的特定用途人工智能，而AlphaGo则是几乎没有特定领域知识、基于深度学习、泛化的通用人工智能。这一演变反映了人工智能技术在算法和模型上的重大进步。

人工智能的基础定义更加强调其模仿和 人类智能的能力。人工智能需要具备判断、推理、证明、识别、理解、感知、学习和问题求解等多重能力。这些能力的实现依赖于四大驱动要素：基础数据、运算力、算法模型和应用场景。基础数据来源于互联网、移动设备和传感器的普及，运算力从GPU发展到TPU等专用硬件，算法模型则从传统的规则系统发展到深度学习等先进技术。

人工智能的发展还得益于信息化技术的进步，被认为是信息化发展的新阶段。人工智能通过研究人类大脑的思考、学习和工作方式，将研究结果应用于开发智能软件和系统。只是，AI深度学习系统的弱解释性给现有的AI系统带来了安全性、稳定性的挑战，如何确保AI不会失控、避免恶性事件发生，成为当前AI研究领域的重要课题。

总体而言，人工智能的基础定义在当今的背景中经历了从直观的经验论定义到严谨的学科定义的演变。这一演变不仅反映了技术的进步，也体现了人类对智能本质理解的深化。